resume-interview-generator（简历面试生成器）

简历出题技能

基于候选人简历内容，自动生成面试题、笔试题、追问路径与评分标准，帮助面试官快速完成候选人评估准备。

核心能力

1. 简历解析：提取技术栈、项目经历、亮点、风险点、可疑表述
2. 面试题生成：基于四个核心维度（项目经历、基础能力、代码能力、行为协作）生成题目，中级以上增加场景设计考察
3. 笔试题生成：生成选择题、简答题、编程题、SQL题、系统设计题
4. 评估标准：每道题附带考察点、参考答案、评分标准、回答质量判断依据

隐私与输出约束

• 默认忽略简历中的姓名、电话、邮箱、住址、证件号、社交账号等个人敏感信息，不作为出题重点
• 输出候选人画像、题目和评估结论时，不要重复展示联系方式等敏感字段
• 如果用户直接提供了包含真实个人信息的简历，聚焦技术经历、项目内容、岗位匹配度和风险验证点
• 如果需要举例，优先使用“候选人”“该候选人”“简历显示”这类泛化表述

难度等级体系

技能内置 5 个难度等级：

面试题考察维度

核心三维考察（所有级别）

1. 项目经历（3 题，含追问与行为协作考察）

- 验证项目真实性 - 技术选型的 trade-off - 难点解决方案的细节 - 融合行为协作考察：Owner意识、跨团队协作、冲突处理、复盘总结 - 每题附带压力追问，深挖可疑点

1. 基础能力（5 题）

- 计算机专业知识掌握和运用能力 - 根据技术栈匹配核心知识点（语言、框架、中间件、数据库等） - 区分概念层、实践层、原理层 - 技术深度与广度平衡

1. 场景设计（中级及以上，2 题）

- 系统设计能力 - 高并发/稳定性/数据治理等场景 - 技术方案评估与选型

1. 代码能力（2 题，手写代码）

- 算法与数据结构 - 代码设计与实现 - 边界处理与鲁棒性 - 要求候选人手写代码

时间控制

• 总时长：控制在 50 分钟以内
• 题目总数：

- 实习生/初级：10 题（约 45 分钟） - 中级及以上：12 题（约 50 分钟）

• 时间分配建议：

- 项目经历：每题 5-6 分钟（含追问），共 15-18 分钟 - 基础能力：每题 3-4 分钟，共 15-20 分钟 - 场景设计：每题 5-6 分钟，共 10-12 分钟（中级及以上） - 代码能力：手写代码，共 10-20 分钟

工作流程

步骤 1：接收输入

收集以下信息（带 * 为必填）：

• 简历内容*：简历文本或 PDF/Word 内容
• 岗位名称：如"高级Java后端工程师"
• 岗位方向：如后端开发、大数据、AI工程
• 目标级别：实习生/初级/中级/高级/资深
• 面试类型：技术面/综合面/笔试
• 输出模式：面试题模式/笔试题模式/综合评估模式/极简模式/深挖模式
• 题目数量：默认 10-12 道面试题或 20 道笔试题
• 输出语言：中文/英文（默认中文）
• 重点识别包装风险：是/否（默认是）

步骤 2：简历解析

分析简历，形成"简历画像"：

技术画像：

• 编程语言（Java/Go/Python等）
• 框架与中间件（Spring/Redis/MQ等）
• 数据库（MySQL/ES/MongoDB等）
• 云平台与DevOps工具

项目画像：

• 项目数量与复杂度
• 候选人在项目中的角色
• 涉及的技术挑战
• 量化成果（性能提升、成本下降等）

风险识别：

• 模糊表述（"参与"、"负责"但无具体细节）
• 可疑亮点（技术栈与年限不匹配）
• 时间线疑点
• 过度包装痕迹

步骤 3：生成面试题

根据目标级别，按以下维度生成题目：

实习生/初级（共 10 题，约 45 分钟）

• 项目经历：3 题（含压力追问和行为协作考察），验证项目真实性和参与度
• 基础能力：5 题，考察基础概念、原理和知识掌握
• 代码能力：2 题，手写代码，简单算法和代码实现

中级及以上（共 12 题，约 50 分钟）

• 项目经历：3 题（含压力追问和行为协作考察），深挖架构决策和技术 trade-off
• 基础能力：5 题，底层原理和复杂场景应用
• 场景设计：2 题，系统设计和方案评估（中级及以上特有）
• 代码能力：2 题，手写代码，算法结合设计思维

步骤 4：生成笔试题

按题型生成：

1. 客观题（5-6道）

- 单选题：考察基础概念 - 多选题：考察知识广度 - 判断题：考察细节理解

1. 简答题（3-4道）

- 原理阐述 - 方案对比 - 问题排查

1. 编程题（2-3道）

- 算法题：与岗位相关 - 业务逻辑题：贴近实际工作

1. 设计题（2-3道，中级及以上）

- 数据库/SQL设计 - 系统架构设计 - 故障排查方案

步骤 5：完善评估标准

每道题必须提供 3 个版本（版本A/版本B/版本C），方便面试官根据候选人情况选择。每个版本包含：

• 具体问题：完整的面试问题描述
• 出题原因：为什么要问这道题
• 重点考察点：核心能力标签
• 参考答案：详细的参考答案（而不仅是要点）
• 追问方向：如何深入挖掘
• 回答质量判断：

- 优秀回答特征 - 合格回答特征 - 风险回答特征

• 建议评分：分值或等级区间

3 个版本的设计原则：

• 版本A：标准难度，适合大多数候选人
• 版本B：更深入/更开放，适合表现优秀的候选人
• 版本C：更基础/更具体，适合需要降低难度的场景

出题原则

1. 强相关原则：优先围绕简历里真实写过的内容出题，而非泛泛的八股
2. 分层次原则：同一技术点覆盖概念层、实践层、场景层、trade-off层
3. 可验证原则：题目设计要能够区分"真做过/参与过/背过/包装"
4. 可评估原则：每道题都要有明确的判断标准
5. 岗位适配原则：同样技术点，不同级别的深度必须不同
6. 维度覆盖原则：确保三个核心维度（项目经历、基础能力、代码能力）都有足够覆盖，行为协作融合在项目经历中考察

输出格式模板

简历分析摘要模板

## 候选人画像

- **工作年限**：X 年
- **目标级别**：实习生/初级/中级/高级/资深
- **岗位方向**：XXX

## 核心技术栈

- **语言**：XXX
- **框架**：XXX
- **中间件**：XXX
- **数据库**：XXX

## 重点项目

1. **项目名称**：XXX
   - **角色**：XXX
   - **技术亮点**：XXX
   - **量化成果**：XXX

## 亮点识别

- XXX

## 风险点与待验证项

- XXX（建议通过 XX 方式验证）

## 建议重点验证方向

1. XXX
2. XXX

面试题输出模板

## 一、项目经历考察（融合行为协作）

### 题目 1：[考察主题，如"Redis缓存设计"]

**【版本A】标准版**

**具体问题**：
你在项目中使用 Redis 做缓存时，是怎么设计缓存更新策略的？

**出题原因**：
考察候选人对缓存一致性的理解，以及是否真正处理过实际业务场景。

**重点考察点**：
- 技术能力：缓存一致性策略（Cache Aside/Write Through等）
- 行为协作：是否与产品/业务方沟通过期策略

**参考答案**：
1. 首先应该说明选用的策略，最常用的是 Cache Aside（旁路缓存）
2. 需要说明缓存穿透、击穿、雪崩的应对方案
3. 应该提到过期时间的设置策略和业务场景的结合
4. 如果涉及分布式锁，说明使用场景和实现方式

**追问方向**：
- 技术追问：如果缓存和数据库数据不一致，你们是怎么发现的？怎么处理？
- 行为追问：这个过期策略是你定的还是和业务方一起定的？如果业务方要求数据实时性很高，你怎么沟通？
- 压力追问：你说你们系统QPS很高，能说一下具体多高吗？缓存命中率是多少？

**回答质量判断**：
- **优秀**：能清晰说出策略选择原因，主动提及三种缓存问题及解决方案，有具体数据支撑
- **合格**：能说出基本策略，知道缓存穿透等问题，但解决方案不够完善
- **风险**：只说用了Redis做缓存，说不清楚更新策略，或说"用的框架自动处理"

**建议评分**：15分（满分20分）

---

**【版本B】深入版**

**具体问题**：
你们系统中 Redis 缓存和数据库是如何保证最终一致性的？有没有遇到过不一致的情况，当时是怎么发现和解决的？

**出题原因**：
深入考察候选人对分布式系统一致性的理解，以及问题排查和解决能力。

**重点考察点**：
- 技术能力：分布式一致性、问题排查、监控告警
- 行为协作：推动问题解决的能力

**参考答案**：
1. 说明具体的缓存更新策略，以及为什么选择这种策略
2. 描述可能出现不一致的场景（如更新失败、并发竞争等）
3. 说明监控手段：如何发现不一致（对账、校验、报警）
4. 说明解决方案：重试机制、补偿机制、人工介入流程
5. 提及预防措施：事务、分布式锁、消息队列等

**追问方向**：
- 技术追问：你们有没有做缓存和数据库的对账？是怎么做的？频率如何？
- 行为追问：如果发现了数据不一致，但影响范围不确定，你会怎么处理？
- 压力追问：如果老板说"缓存绝对不能和数据库不一致"，你会怎么回应？

**回答质量判断**：
- **优秀**：能系统性地描述完整方案，包括预防、发现、解决全流程，有实际案例
- **合格**：能说出几种不一致场景和基本解决方案，但对监控和对账描述不清
- **风险**：否认会出现不一致，或说"我们没遇到过这种情况"

**建议评分**：20分（满分20分）

---

**【版本C】基础版**

**具体问题**：
你们项目里为什么要用 Redis？用它做了什么事情？

**出题原因**：
验证候选人是否真实使用过 Redis，了解其对基础概念的掌握。

**重点考察点**：
- 技术能力：Redis 基础使用场景
- 行为协作：在团队中承担的角色

**参考答案**：
1. 说明使用 Redis 的业务场景（如缓存热点数据、Session存储等）
2. 说明选择 Redis 的原因（速度快、数据结构丰富等）
3. 提及使用过程中的注意事项（如内存限制、持久化等）
4. 说明自己在其中的具体工作

**追问方向**：
- 技术追问：Redis 是什么类型的数据库？和 MySQL 有什么区别？
- 行为追问：这个 Redis 是你自己搭的还是运维搭建的？遇到问题找谁？
- 压力追问：Redis 是单线程的，你们怎么知道性能够不够用？

**回答质量判断**：
- **优秀**：能清晰说明场景和原因，主动对比其他方案，提到实际使用细节
- **合格**：能说出基本使用场景，但细节不够丰富
- **风险**：说不清楚具体做了什么，或场景明显不合理

**建议评分**：12分（满分20分）

---

**【面试官选用建议】**
- 候选人基础较弱或简历描述较模糊 → 选用 **版本C**
- 候选人表现正常，需要标准考察 → 选用 **版本A**
- 候选人表现优秀，希望深入挖掘 → 选用 **版本B**

## 二、基础能力考察

[同上格式，每个题目提供3个版本]

## 三、场景设计考察（中级及以上）

[同上格式，每个题目提供3个版本]

## 四、代码能力考察（手写代码）

**总时长**：10-20 分钟

### 题目 X：[如"实现一个LRU缓存"]

**【版本A】标准版**

**具体问题**：
请手写代码实现一个简单的 LRU（最近最少使用）缓存，支持 get 和 put 操作。

**要求**：
- 使用你熟悉的编程语言
- get 和 put 操作时间复杂度为 O(1)
- 考虑容量限制，超出容量时淘汰最久未使用的数据

**参考思路**：
1. 使用 HashMap + 双向链表实现
2. HashMap 存储 key 到链表节点的映射
3. 双向链表维护访问顺序，头部为最近使用，尾部为最久未使用
4. get 时移动到头部，put 时如果已满则移除尾部

**参考答案**（Java示例）：

class LRUCache { class Node { int key, value; Node prev, next; Node(int k, int v) { key = k; value = v; } }

private int capacity; private Map<Integer, Node> map; private Node head, tail;

public LRUCache(int capacity) { this.capacity = capacity; map = new HashMap<>(); head = new Node(0, 0); tail = new Node(0, 0); head.next = tail; tail.prev = head; }

public int get(int key) { if (!map.containsKey(key)) return -1; Node node = map.get(key); moveToHead(node); return node.value; }

public void put(int key, int value) { if (map.containsKey(key)) { Node node = map.get(key); node.value = value; moveToHead(node); } else { if (map.size() >= capacity) { Node toRemove = tail.prev; removeNode(toRemove); map.remove(toRemove.key); } Node newNode = new Node(key, value); map.put(key, newNode); addToHead(newNode); } }

private void moveToHead(Node node) { removeNode(node); addToHead(node); }

private void removeNode(Node node) { node.prev.next = node.next; node.next.prev = node.prev; }

private void addToHead(Node node) { node.next = head.next; node.prev = head; head.next.prev = node; head.next = node; } }

**评分标准**：
- 能写出基本结构（5分）
- 正确处理get/move逻辑（5分）
- 正确处理put/淘汰逻辑（5分）
- 代码规范、边界处理（3分）
- 复杂度分析正确（2分）

---

**【版本B】进阶版**

**具体问题**：
请实现一个支持过期时间的 LRU 缓存，每个 key 可以设置独立的过期时间，过期后自动清理。

**附加要求**：
- 支持为每个 key 设置过期时间（TTL）
- 过期数据需要被清理，不能一直占用内存
- 考虑并发安全性

**参考思路**：
1. 在基础LRU上增加过期时间字段
2. 使用优先队列或定时任务清理过期数据
3. 使用读写锁保证线程安全
4. 访问过期数据时检查并清理

**评分重点**：
- 过期机制设计（8分）
- 并发安全处理（7分）
- 内存回收策略（5分）

---

**【版本C】简化版**

**具体问题**：
请实现一个固定大小的缓存，支持插入和查询操作，当缓存满时新数据替换最旧的数据。

**要求**：
- 使用数组或链表实现即可
- 不需要考虑O(1)复杂度
- 能运行通过基本测试

**参考思路**：
1. 使用数组存储数据，记录插入顺序
2. 查询时遍历查找
3. 满了之后从头部或尾部替换

**评分重点**：
- 能完成基本功能（15分）
- 代码逻辑清晰（5分）

---

**【面试官选用建议】**
- 候选人算法基础较弱 → 选用 **版本C**
- 标准算法考察 → 选用 **版本A**
- 希望考察设计和优化能力 → 选用 **版本B**

笔试题输出模板

## 编程题

### 题目 X：XXX

**难度**：初级/中级/高级
**建议时长**：XX 分钟

**题目描述**：
XXX

**示例**：
输入：XXX
输出：XXX

**解题思路**：
1. XXX
2. XXX

**评分点**：
- 基础实现（X分）：XXX
- 边界处理（X分）：XXX
- 复杂度优化（X分）：XXX

**参考答案**：

代码示例

不同级别出题深度指南

参考 references/level-guidelines.md 了解 5 个级别的详细出题深度要求。

岗位专项题库参考

参考 references/tech-questions.md 获取常见技术栈的出题参考。